メインコンテンツへスキップ
見出し画像

Pythonでやってみた（画像処理編4）：モザイク処理

    KIYO

    １．概要

    　画像や動画を公開する時に見せたくない部分にモザイク処理をかけることがあると思います。
    　Pythonを用いていろいろなモザイク処理ができるようにしてみました。サンプル画像はいつもの"konan.JPG"を使用します。

    画像

    　なお紹介用として画像を対比させる関数を事前に作成しました。ポイントとしてplt.imshow(img)で表示しているためデータ型はPIL形式でもNumpy形式でも問題ございません。

    [IN]
from PIL import Image
import matplotlib.pyplot as plt
import japanize_matplotlib

path_imgfile = 'konan.JPG'
img = Image.open(path_imgfile) #PIL形式で開く

#オリジナル画像と加工画像を並べて表示
def contimages(img_proc, title: str):
    fig = plt.figure(figsize=(10,6))
    plt.rcParams["font.size"] = 14 #フォントサイズを設定
    
    for idx in range(2):
        if idx == 0:
            ax = fig.add_subplot(1,2,1) #1行2列の1番目のグラフ
            ax.imshow(img) #オリジナル画像
            ax.set_title('オリジナル画像', y=-0.10)        
        else:
            ax = fig.add_subplot(1,2,2) #1行2列のグラフを作成
            ax.imshow(img_proc) #処理後画像
            ax.set_title(f'処理画像({title})', y=-0.10) #タイトルを下に設定                 
        plt.axis('off') #軸を消す   
    
    plt.show()
    
contimages(img, '処理した画像をこちらに表示') 

[OUT]
    画像

    ２．Pillowで作成

    　画像処理ライブラリのPillowを使用して自作のライブラリを作成します。

    ２－１．ぼかし処理（縮小ー＞拡大）：全体処理

    　画像のぼかし処理は「画像を一度圧縮」->「画像を再度拡大」することで実施します。

    [IN]
#ぼかし処理(縮小->拡大)
def imageblur(img, reso: float):
    width, height = img.size #imgのオリジナルサイズ(幅・寸法を記憶)
    img_resize = img.resize((int(img.width/reso), int(img.height /reso))) #縮小
    img_blur = img_resize.resize((width, height)) #オリジナルサイズの戻す
    return img_blur   


img_blur = imageblur(img, reso=5)
contimages(img_blur, title='ぼかし処理5倍') #画像を表示
img_blur = imageblur(img, reso=10)
contimages(img_blur, title='ぼかし処理10倍') #画像を表示

[OUT]
    画像
    画像

    ２－２．ぼかし処理２：トリミング×部分処理

    　上記は全体ですが部分的に処理したい場合は下記手順で処理できます。

    1. 画像の切取り（トリミング）：Numpy配列でスライスを使用

    2. 切取り画像に処理：Numpy->PIL形式に戻して前節の関数を使用

    3. 処理後の画像をオリジナルに被せる

    　まずはトリミング関数(coordinate_xywh)を作成します。感覚的に切取りできるよう起点の座標および切取り幅・高さはすべてオリジナル画像からの相対値としました。

    [IN]
import numpy as np

path_imgfile = 'konan.JPG'
img = Image.open(path_imgfile) #PIL形式で開く

img_array = np.array(img)
print(img.size) #画像サイズ(PIL形式)：(484, 648)->(幅, 高さ)
print(img_array.shape) #画像のサイズ(numpy)：(648, 484, 3)->(高さ, 幅, RGB)

#トリミングするエリアを選択
def coordinate_xywh(img, x:float, y:float, w:float, h:float):
    width, height = img.size #画像の幅と高さ
    x = int(x * width) #x座標を指定した場合
    y = int(y * height) #y座標を指定した場合
    w = int(w * width) #幅を指定した場合
    h = int(h * width) #幅を指定した場合
    return x, y, w, h
    
(x, y, w, h) = coordinate_xywh(img, x=0.3, y=0.3, w=0.5, h=0.5) #トリミングするエリアを選択
print('x:', x, 'y:', y, 'w:', w, 'h:', h)

img_trim = img_array[y:y+h, x:x+w, :] #画像の部分を取得
plt.imshow(img)
plt.imshow(img_trim)

[OUT]
(484, 648)
(648, 484, 3)
x: 145 y: 194 w: 242 h: 242
    画像

    　トリミングできましたのでそれでは実際に処理をかけてみます。先ほどとは異なり抽出された部分だけにぼかしがかかっていることが確認できました。

    [IN]
import numpy as np

#トリミングするエリアを選択
def coordinate_xywh(img, x:float, y:float, w:float, h:float):
    width, height = img.size #画像の幅と高さ
    x = int(x * width) #x座標を指定した場合
    y = int(y * height) #y座標を指定した場合
    w = int(w * width) #幅を指定した場合
    h = int(h * width) #幅を指定した場合
    return x, y, w, h

path_imgfile = 'konan.JPG'
img = Image.open(path_imgfile) #PIL形式で開く
img_array = np.array(img) #PIL形式->Numpyに変換

(x, y, w, h) = coordinate_xywh(img, x=0.3, y=0.3, w=0.5, h=0.5) #トリミングするエリアを選択
# print('x:', x, 'y:', y, 'w:', w, 'h:', h)

img_trim = img_array[y:y+h, x:x+w, :] #画像の部分を取得
_img_trim = Image.fromarray(img_trim) #Numpy->PIL形式に変換
img_blur = imageblur(_img_trim, reso=10) #ぼかし処理10倍
img_array[y:y+h, x:x+w, :] = np.array(img_blur) #ぼかし処理後の画像を元の画像に代入

contimages(img_array, title='トリミング×ぼかし処理10倍') #画像を表示

[OUT]
    画像

    ３．OpenCVで作成

    　OpenCVでぼかしやモザイクを入れていきます。なおOpenCVで必要な前処理(BGR->RGBへ変換)などの詳細は記事をご確認ください。

    ３－１．トリミング：Numpyでスライス

    　Pillowの紹介で作成したトリミング関数をNumpy形式用に修正したうえで簡単に切取りできる関数を作成しました。

    [IN]
import cv2

imgfile = "konan.jpg" #画像ファイルパス
img_bgr = cv2.imread(imgfile)
img_rgb = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB) #BGRをRGBに変換

def coordarray_xywh(img_array, x:float, y:float, w:float, h:float):
    height, width, _ = img_array.shape #画像の幅と高さ
    x = int(x * width) #x座標を指定した場合
    y = int(y * height) #y座標を指定した場合
    w = int(w * width) #幅を指定した場合
    h = int(h * width) #幅を指定した場合
    return x, y, w, h

def trim_imgarray(img_array, x:float, y:float, w:float, h:float):
    return img_array[y:y+h, x:x+w, :] #画像の部分を取得

x,y,w,h = coordarray_xywh(img_rgb, x=0.3, y=0.3, w=0.5, h=0.5) #トリミングするエリアを選択
img_trim = trim_imgarray(img_rgb, x, y, w, h) #画像の部分を取得
plt.imshow(img_trim) #画像を表示

[OUT]
    画像

    ３－２．ぼかし処理１：cv2.blur

    　OpenCVのぼかし処理としてcv2.blurがあります。

    [IN]
import cv2

imgfile = "konan.jpg" #画像ファイルパス
img_bgr = cv2.imread(imgfile)
img_rgb = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB) #BGRをRGBに変換

img_blurcv2 = cv2.blur(img_rgb, (10,10)) #ぼかし処理 (幅, 高さ)
contimages(img_blurcv2, title='cv2.blur(10,10)') #画像を表示
img_blurcv2 = cv2.blur(img_rgb, (20,20)) #ぼかし処理 (幅, 高さ)
contimages(img_blurcv2, title='cv2.blur(20,20)') #画像を表示

[OUT]
    画像
    画像

    ３－３．ぼかし処理２：cv2.GaussianBlur()

    　別の処理としてガウシアンフィルター：cv2.GaussianBlurがあります。

    [IN]
import cv2

imgfile = "konan.jpg" #画像ファイルパス
img_bgr = cv2.imread(imgfile)
img_rgb = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB) #BGRをRGBに変換

img_blurcv2 = cv2.GaussianBlur(img_rgb, (15,15), 0) #ガウジアンフィルタ (幅, 高さ, 標準偏差)
contimages(img_blurcv2, title='cv2.GaussianBlur(im, (15,15), 0)') #画像を表示
img_blurcv2 = cv2.GaussianBlur(img_rgb, (35,35), 0) #ガウジアンフィルタ (幅, 高さ, 標準偏差)
contimages(img_blurcv2, title='cv2.GaussianBlur(im, (35,35), 0)') #画像を表示

[OUT]
    画像
    画像

    ３－４．モザイク（リサイズ）：cv2.resize()

    　画像を縮小後に拡大して元のサイズに戻すと画像のピクセル値が平均化されるためモザイク処理になります。

    [IN]
import cv2

imgfile = "konan.jpg" #画像ファイルパス
img_bgr = cv2.imread(imgfile)
img_rgb = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB) #BGRをRGBに変換
h, w, _ = img_rgb.shape

ratio = 20 #縮小率
# モザイク処理：縮小ー＞拡大
img_small = cv2.resize(img_rgb, (int(w/ratio), int(h/ratio))) #sizeと同じ値に画像を縮小
img_mos = cv2.resize(img_small, (w, h), interpolation=cv2.INTER_AREA) #元のサイズに拡大
contimages(img_mos, title='cv2.resizeで20倍変換') #画像を表示

[OUT]
※上記だとratio=20のみ出力されます。10はratio=10に変更して出力
    画像
    画像

    　こちらをトリムした位置に置換した画像を出力させるmosaic関数は下記の通りです。

    [IN]
import cv2

def mosaic(img, x, y, w, h, size):
    # モザイクをかける領域を取得
    (x1, y1, x2, y2) = (x, y, x+w, y+h) #モザイク処理をかける領域を指定
    
    img_rec = img[y1:y2, x1:x2] #スライスでモザイク処理をかける領域を取得
    
    # モザイク処理：縮小ー＞拡大
    img_small = cv2.resize(img_rec, (size, size)) #sizeと同じ値に画像を縮小
    img_mos = cv2.resize(img_small, (w, h), interpolation=cv2.INTER_AREA) #元のサイズに拡大
    # 画像にモザイク画像を重ねる
    img_out = img.copy()
    img_out[y1:y2, x1:x2] = img_mos #スライス機能で値を上書き
    return img_out


imgfile = "konan.jpg" #画像ファイルパス
img_bgr = cv2.imread(imgfile)
img_rgb = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB) #BGRをRGBに変換

x,y,w,h = coordarray_xywh(img_rgb, x=0.3, y=0.3, w=0.5, h=0.5) #トリミングするエリアを選択
img_mos = mosaic(img_rgb, x, y, w, h, size=10)
contimages(img_mos, title='cv2.resizeで10倍変換') #画像を表示

[OUT]
    画像

    ４．別途追記予定

    　多角形のモザイク＋マスク

    参考資料

    あとがき

    　とりあえず先出し。
    　画像認識＋物体抽出＋モザイク処理で一つ作りたいのがあるけど、もう少しでいけるかも・・・・・


    　

     
     

    KIYO

     
     
    普段は製造業で企画/開発/設計しております。記事はプログラミング・機械学習、IoT関係の記事をメインで作成し、なるべく１つの記事で知りたいことを網羅していきます。内容は学術的より実装・アウトプット（ほしくなるもの）を重視して作成しています。 面白そうな仕事があればやりたいです！

    あなたへのおすすめ